10.13695/j.cnki.12-1222/o3.2019.03.018
基于深度卷积神经网络的SAR图像舰船小目标检测
针对合成孔径雷达(SAR)图像舰船目标背景复杂的特点,提出一种基于改进YOLOv3的SAR图像舰船小目标检测算法.首先,通过分析残差网络的设计原理,针对不同场景下舰船目标的特点,重新设计底层残差单元;其次,改进特征金字塔的网络结构,解决感受野与定位之间的矛盾问题,提高了小尺度舰船的检测效果;最后,通过引入平衡因子,优化损失函数中的小目标权重.实验结果显示,相比原始YOLOv3方法,所提方法在舰船目标公开数据集上F1值提高6.3%,同时,较快的检测速度使得所提算法可用于实时目标检测.
合成孔径雷达、舰船检测、小目标、深度学习、YOLOv3
27
TP202+.1(自动化技术及设备)
国家自然科学基金61773389,61573365,61833016
2019-08-27(万方平台首次上网日期,不代表论文的发表时间)
共10页
397-405,414